--- title: "把最贵的模型白送出去，图的是什么？" date: 2026-11-11 category: AI大模型 site: 脑机网 canonical: https://aiai.cafe/a/njw-longcat-open-1111 language: zh-CN --- # 把最贵的模型白送出去，图的是什么？ > 一万六千亿参数，MIT 协议，白送。大厂卖的从来不是模型文件。 一点六万亿个参数，一次只叫醒四百八十亿个。这是 LongCat-2.5 的两个数字，一个在说明书第一页，一个在脚注里。多数人只记住前面那个，因为它更大。 11 月 9 日，美团把这只模型开源了，用的是 MIT 协议。这个协议在开源世界里属于最宽松的一档：可以商用，可以改，改完可以闭源分发，不必把改动交回去。 先说清楚「白送」送的是什么。送的是权重文件，是可以下载下来装在自己机器上的那一堆参数，不是算力，也不是电费。这一点分不清，后面的判断都会歪。 ## 先看那个激活数字 一点六万亿是总参数，四百八十亿是每个 token 激活的参数。这叫混合专家架构，模型里有很多个「专家」，来一个词，只叫醒其中一部分，其余的在旁边待着。这个设计不新，难的是把它训稳。 这么设计的好处很直接：能力按总参数堆，成本按激活参数算。你不必为了跑一句话，把整个模型都点亮一遍。代价是调度变复杂，哪个词该找哪个专家，得提前学会。 所以「一点六万亿」这个数字，宣传价值大于使用价值。它告诉你模型的容量上限，却不告诉你跑一次要花多少钱。真正决定账单的是那四百八十亿，以及你在上面跑了多少。 这也解释了一个现象：过去两年，参数数字越报越大，可真正在用的人，越来越不看这个数。它像汽车的排量，听着有劲，但油耗、保养、路况才决定你一年花多少。 ## 上下文拉到了一百万 上下文是一百万 token。换成日常的说法，就是可以把很长的材料一次性塞进去，不用先切片、先摘要、先检索。对做长文档、长代码、长流程的任务，这是硬指标。 官方把它定位成面向长程智能体。智能体这个词听着玄，落到地上就是：让它连续做很多步，中间别忘了前面做过什么。上下文越长，忘得越少，但每一步的成本也越高。长和贵，是一对孪生兄弟。 这里有个取舍。上下文拉到一百万，不代表每次都该用满。塞得越多，越容易在无关材料里打转。会用它的人，第一件事是学会删，而不是学会塞。 基准成绩给了两个数：Terminal Bench v2.1 得 88.4 分，DeepSWE v1.1 得 64.6 分。这两个测试都偏向真实工程任务，不是选择题，考的是能不能把一摊活儿从头干完。分数高，说明它在真实环境里不容易掉链子。 分数高不高，要看跟谁比、怎么跑。同一套题，提示词不同、工具不同、重试次数不同，结果能差出一截。所以这类分数适合看趋势，不适合直接当结论。 ## 白送的是文件不是电 托管 API 的定价是每百万 token 输入 0.3 美元、输出 1.2 美元。这个价格放在前沿模型里算低，但不是零。想省钱，还可以用 SGLang 自己搭，把模型跑在自己的卡上，前提是卡够。 于是问题来了：既然能自己搭，为什么大厂还愿意把权重放出来？答案不在模型文件里，在模型文件之外。文件可以复制，机房、卡、电、运维、带宽，复制不了。 一个团队把权重下载回去，第一件事是找卡。卡不够，就得租；租谁的，通常是发模型那家的云。模型开源了，算力没有开源。这笔账，才是白送背后的账。 这也是为什么开源对头部厂商是划算的。它用一份几乎零边际成本的文件，换来了开发者习惯、生态位置和潜在的算力订单。文件送出去，生意留在自己家里。 对使用者来说，这不是阴谋，是交易。你省下了训练费，代价是把自己的一部分技术栈，安在了别人的地基上。地基稳不稳，平时看不出来，出事时才看得出来。 ## 参数规模这把尺失灵了 回到那个对比：一点六万亿对四百八十亿。如果只看前者，这是一只巨兽；只看后者，它是一只中等体量的模型。同一只模型，两个数字，两种叙事，都能自圆其说。 这就是「参数规模」这把尺失灵的地方。它曾经很好用，因为参数越多通常越强；现在架构一分叉，总参数可以很大，实际调用可以很小，数字和体验脱钩了。 这种脱钩，让发布会上的对比越来越难看懂。两家都报总参数，一家报得更大，另一家说自己的激活参数更省，谁也没说错，可用户还是不知道该选谁。 脱钩之后，比较模型就得更笨的办法：拿自己的任务去跑，看谁在同样的成本下做得更好。这办法不性感，也做不出标题，但它是唯一不容易被骗的办法。 对创业公司，这次开源的意义很具体。一只一点六万亿参数的模型，自己从头训，钱和时间都很难凑；现在可以下载、可以改、可以在自己的业务数据上接着调。 但省下的训练费，不等于省下了全部成本。推理要卡，微调要数据，部署要人。这三样加起来，往往比训练费更长期，也更难砍。开源降低的是门槛，不是账单。 还有一层容易忽略：MIT 允许闭源分发。意思是你可以拿它做产品，不必公开自己改了什么。这对商业化是好事，对社区未必，改出来的东西可能再也不回流。 所以这篇的判断是：这不是一次慈善，也不是一次单纯的技术发布，而是一次渠道建设。模型是入口，算力是货架，开发者是客流。三件事凑齐，开源才成立。 至于参数规模失效这件事，对普通读者的实际影响是：以后看到很大的数字，先别急着惊叹，问一句它一次激活多少、跑满上下文要多少钱。这两个问题比参数更能说明它能不能用。 白送的东西，往往在最贵的地方收钱。模型不要钱，跑模型要钱；跑得越多，账越清楚。看清这一点，再去下载，心态会稳很多，也大概知道自己签下的是一份什么合同。 **免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。** --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-longcat-open-1111 本内容仅供参考，不构成投资建议。